नागपूर: दुचाकीस्वारांनी हेल्मेट परिधान केले आहे की नाही, हे ओळखण्यासाठी डीप लर्निंग आधारित स्वयंचलित प्रणाली विश्वेश्वरय्या राष्ट्रीय तंत्रज्ञान संस्था येथे विकसित करण्यात आली आहे. स्मार्ट आणि सुरक्षित रस्त्यांच्या दिशेने हे महत्त्वाचे पाऊल मानले जात असून, कृत्रिम बुद्धिमत्ता (एआय), मशीन लर्निंग आणि कमी खर्चिक इंटरनेट ऑफ थिंग्ज तंत्रज्ञानाच्या साहाय्याने संस्थेतील संशोधकांनी वाहतूक व्यवस्थापनासाठी चार अभिनव उपाय सादर केले आहेत. राष्ट्रीय विज्ञान दिनाच्या पार्श्वभूमीवर या प्रकल्पांची माहिती देण्यात आली.

हेल्मेट तपासणीसाठी विकसित प्रणाली सीसीटीव्ही कॅमेऱ्यांमधील दृश्यांवर आधारित कार्य करते. ‘मोबाईलनेट-एसएसडी’ या प्री-ट्रेंड न्यूरल नेटवर्कच्या साहाय्याने प्रथम दुचाकीस्वारांची ओळख पटवली जाते. त्यानंतर ‘रिजन-ऑफ-इंटरेस्ट’ तंत्र वापरून चालकाच्या डोक्याचा भाग वेगळा केला जातो आणि हेल्मेटची उपस्थिती तपासली जाते. सुमारे ३,४०० प्रतिमांवर प्रशिक्षण दिलेल्या या प्रणालीने जवळपास ७९ टक्के अचूकता साधली आहे. प्रत्यक्ष वेळेत मोठ्या प्रमाणावर नियमभंग शोधण्यास ही प्रणाली सक्षम ठरणार असून, वाहतूक पोलिसांवरील ताण कमी होण्याची शक्यता आहे.

वाहतुकीचे सखोल विश्लेषण करण्यासाठी ‘ऑटोनॉमस ट्रॅफिक मॉनिटरिंग अँड अ‍ॅनालिसिस सिस्टीम’ ही आयओटी-आधारित यंत्रणा विकसित करण्यात आली आहे. ही प्रणाली वाहनांची ओळख, वर्गीकरण, वेग व प्रवेग मोजते तसेच वाहनांच्या मार्गरेषा आणि लेनवर्तनाचा अभ्यास करते. प्रतिमांतील निर्देशांकांचे प्रत्यक्ष भौगोलिक निर्देशांकांत रूपांतर करून अचूक डिजिटल डेटा तयार केला जातो. सिग्नलचे वेळापत्रक सुधारणा, कोंडी व्यवस्थापन, अपघातांचे विश्लेषण आणि वैज्ञानिक पद्धतीने रस्ता नियोजनासाठी हा डेटा उपयुक्त ठरणार आहे. याशिवाय ‘ट्रॅव्हल टाइम अँड स्ट्रीम स्पीड अ‍ॅनालायझर’ ही कमी खर्चिक प्रणाली कोंडीचा अंदाज घेण्यासाठी तयार करण्यात आली आहे.

हेही वाचा

ESP32 मायक्रोकंट्रोलर आणि ब्लूटूथ तंत्रज्ञानावर आधारित दोन लहान उपकरणे मार्गाच्या प्रवेश व निर्गम बिंदूंवर बसवली जातात. मर्यादित परिघातील ब्लूटूथ मॅख आयडी नोंदवून प्रवासाचा कालावधी आणि सरासरी वेग मोजला जातो.

चाचण्यांमध्ये १२ ते १३ टक्के पेनेट्रेशन दर आणि सुमारे ६५ टक्के जुळणी दर नोंदवण्यात आला. कमी खर्च आणि ऊर्जा कार्यक्षमतेमुळे ही प्रणाली शहरांसाठी उपयुक्त ठरणार आहे. चालकांच्या सुरक्षिततेसाठी वेअरेबल आयओटी-आधारित ‘गेझ डिटेक्शन’ प्रणालीही विकसित करण्यात आली आहे. डोळ्यांची हालचाल, नजर प्रक्षेपण आणि डोक्याची स्थिती मोजून चालकाचे लक्ष विचलित झाले आहे का किंवा थकवा जाणवतो आहे का, याचे विश्लेषण केले जाते.

‘हीट मॅप्स’च्या साहाय्याने लक्ष केंद्रीकरणाच्या पॅटर्नचा अभ्यास करता येतो. नागपूरसह विविध ठिकाणी या प्रणालीची चाचणी घेण्यात आली असून, भविष्यात ड्रायव्हर मॉनिटरिंग आणि अ‍ॅडव्हान्स्ड ड्रायव्हर असिस्टन्स सिस्टीममध्ये तिचा वापर होऊ शकतो. या चारही उपाययोजना स्मार्ट शहरांच्या दृष्टीने वाहतूक व्यवस्थापन अधिक तंत्राधारित आणि परिणामकारक करण्यास सहाय्यभूत ठरणार असल्याचे संशोधकांनी स्पष्ट केले.